.
Vikas Nanda passou mais de duas décadas estudando os meandros das proteínas, as substâncias altamente complexas presentes em todos os organismos vivos. O cientista de Rutgers há muito tempo contempla como os padrões únicos de aminoácidos que compõem as proteínas determinam se elas se tornam qualquer coisa, de hemoglobina a colágeno, bem como a etapa subsequente e misteriosa de automontagem, onde apenas certas proteínas se agrupam para formar substâncias ainda mais complexas. .
Então, quando os cientistas queriam realizar um experimento colocando um humano – um com uma compreensão profunda e intuitiva do design e automontagem de proteínas – contra as capacidades preditivas de um programa de computador artificialmente inteligente, Nanda, pesquisadora do Centro de Estudos Avançados Biotecnologia e Medicina (CABM) na Rutgers, foi um dos que estão no topo da lista.
Agora, os resultados para ver quem – ou o quê – poderia fazer um trabalho melhor em prever quais sequências de proteínas se combinariam com mais sucesso estão fora. Nanda, juntamente com pesquisadores do Argonne National Laboratory em Illinois e colegas de todo o país, relata em Química da Natureza que a batalha estava próxima, mas decisiva. A competição entre Nanda e vários colegas contra um programa de inteligência artificial (IA) foi vencida, ainda que levemente, pelo programa de computador.
Os cientistas estão profundamente interessados na automontagem de proteínas porque acreditam que entendê-la melhor poderia ajudá-los a projetar uma série de produtos revolucionários para usos médicos e industriais, como tecido humano artificial para feridas e catalisadores para novos produtos químicos.
“Apesar de nossa extensa experiência, a IA se saiu tão bem ou melhor em vários conjuntos de dados, mostrando o tremendo potencial do aprendizado de máquina para superar o viés humano”, disse Nanda, professor do Departamento de Bioquímica e Biologia Molecular da Rutgers Robert Wood Johnson Medical. Escola.
As proteínas são feitas de um grande número de aminoácidos unidos de ponta a ponta. As cadeias se dobram para formar moléculas tridimensionais com formas complexas. A forma precisa de cada proteína, juntamente com os aminoácidos que ela contém, determina o que ela faz. Alguns pesquisadores, como Nanda, se dedicam ao “design de proteínas”, criando sequências que produzem novas proteínas. Recentemente, Nanda e uma equipe de pesquisadores projetaram uma proteína sintética que detecta rapidamente o VX, um perigoso agente nervoso, e pode abrir caminho para novos biossensores e tratamentos.
Por razões que são amplamente desconhecidas, as proteínas se auto-organizam com outras proteínas para formar superestruturas importantes na biologia. Às vezes, as proteínas parecem seguir um design, como quando se automontam em uma camada externa protetora de um vírus, conhecida como capsídeo. Em outros casos, eles se automontam quando algo dá errado, formando estruturas biológicas mortais associadas a doenças tão variadas quanto Alzheimer e anemia falciforme.
“Entender a automontagem de proteínas é fundamental para fazer avanços em muitos campos, incluindo medicina e indústria”, disse Nanda.
No experimento, Nanda e outros cinco colegas receberam uma lista de proteínas e pediram para prever quais provavelmente se auto-organizariam. Suas previsões foram comparadas às feitas pelo programa de computador.
Os especialistas humanos, empregando regras práticas com base em sua observação do comportamento de proteínas em experimentos, incluindo padrões de cargas elétricas e grau de aversão à água, escolheram 11 proteínas que previram que se automontariam. O programa de computador, baseado em um sistema avançado de aprendizado de máquina, escolheu nove proteínas.
Os humanos estavam corretos em seis das 11 proteínas que escolheram. O programa de computador obteve uma porcentagem maior, com seis das nove proteínas recomendadas capazes de se automontar.
O experimento mostrou que os especialistas humanos “favoreceram” alguns aminoácidos em detrimento de outros, às vezes levando-os a escolhas incorretas. Além disso, o programa de computador apontou corretamente para algumas proteínas com qualidades que não as tornavam escolhas óbvias para automontagem, abrindo a porta para mais investigações.
A experiência tornou Nanda, que já duvidava do aprendizado de máquina para investigações de montagem de proteínas, mais aberta à técnica.
“Estamos trabalhando para obter uma compreensão fundamental da natureza química das interações que levam à automontagem, então eu me preocupava que o uso desses programas impediria insights importantes”, disse Nanda. “Mas o que estou começando a realmente entender é que o aprendizado de máquina é apenas mais uma ferramenta, como qualquer outra.”
Outros pesquisadores do artigo incluíram Rohit Batra, Henry Chan, Srilok Srinivasan, Harry Fry e Subramanian Sankaranarayanan, todos do Laboratório Nacional de Argonne; Troy Loeffler, Laboratório Nacional de Aceleradores do SLAC; Honggang Cui, Universidade Johns Hopkins; Ivan Korendovych, Universidade de Siracusa; Liam Palmer, Universidade do Noroeste; e Lee Solomon, Universidade George Mason.
.
